OOF 目标编码与防目标穿越机制

折外目标编码与防目标穿越机制 (Out-of-Fold Target Encoding & Anti-Leakage Architecture) 是处理高基数类别特征（High-Cardinality Categorical Features: 如城市 Code、商户 ID、用户 ID，类别数高达数万）时最强大且必须严密防泄漏的特征工程方法；标准目标编码通过计算每个类别下目标变量 $y$ 的后验条件期望均值替换原始类别：$\hat{x}_i = \lambda(n) \bar{y}_c + (1 - \lambda(n)) \bar{y}_{\text{global}}$（$\lambda(n)$ 为基于样本量 $n$ 的贝叶斯平滑权重）；为彻底根除“目标变量穿越泄漏”，必须采用严格的 Out-of-Fold (OOF) 交叉划分：对训练集做 K 折切分，第 $k$ 折样本的目标编码值只能由其余 $K-1$ 折样本的统计均值计算生成；测试集则由全量训练集计算出的平滑均值进行 Mapping 映射。

电商商户转化率特征构造、搜索广告高维 ID 特征压缩、Kaggle 竞赛表格建模。

One-Hot 编码在高基数下会导致特征维度爆炸成灾难性的数万维超稀疏矩阵；朴素 Target Encoding 直接用包含自身样本的全局均值计算，会造成毁灭性的严重目标泄漏与过拟合；OOF 机制提供了 100% 零泄漏的高效紧凑稠密特征编码。

现场手写包含 5 折交叉验证 OOF 切分、贝叶斯平滑权重 $\lambda(n) = \frac{1}{1 + e^{-(n - k) / f}}$ 与测试集映射的 Pure Numpy / Pandas 代码？

详细剖析为什么朴素目标编码 (Naive Target Encoding) 会造成“目标泄漏 (Target Leakage)”并在训练集上产生虚高的假完美性能？

CatBoost 原生目标编码 (Ordered Target Encoding) 如何基于时间序列/随机排列在线累计均值实现完全零泄露计算？

向目标编码中添加高斯随机噪声 (Additive Gaussian Noise / Gaussian Jittering: $\hat{x} + \epsilon$) 进一步防止过拟合的调参策略？

冷启动与未见类别 (Unseen Categories in Test): 当测试集出现训练集从未见过的全新商户 ID 时，如何通过全局先验均值 $\bar{y}_{\text{global}}$ 进行兜底？